ISSN 2083-8611 Nr 276 · 2016
Małgorzata Madrak-Grochowska
Uniwersytet Mikołaja Kopernika w Toruniu Wydział Nauk Ekonomicznych i Zarządzania Katedra Ekonomii
madrak_grochowska@econ.umk.pl
KAPITAŁ LUDZKI ZAKUMULOWANY
W GOSPODARKACH OPARTYCH NA WIEDZY (GOW) W LATACH 1995-2010
Streszczenie: Celem artykułu jest dokonanie prezentacji i analizy kapitału ludzkiego zakumulowanego w 29 GOW oraz próba skonstruowania (na podstawie metod taksono- micznych, przy użyciu 34 zmiennych) syntetycznej miary służącej do oceny stopnia rozwoju kapitału ludzkiego w tego typu gospodarkach w latach 1995-2010. Tak zdefi- niowanemu celowi podporządkowany jest układ pracy, na który składają się: wprowa- dzenie do tematu, pomiar i analiza stopnia rozwoju kapitału ludzkiego i poszczególnych jego składowych w rozważanych GOW w latach 1995-2010 oraz podsumowanie. Uzy- skane wyniki badań pozwoliły na stworzenie czterech rankingów stopnia rozwoju kapi- tału ludzkiego zakumulowanego w 29 GOW oraz umożliwiły dokonanie pewnych po- równań przestrzenno-czasowych w zakresie analizowanego zjawiska złożonego.
Słowa kluczowe: kapitał ludzki, gospodarka oparta na wiedzy, metody taksonomiczne.
Wprowadzenie
Zgodnie z powszechnie przytaczaną definicją, GOW jest takim typem go- spodarki, w której procesy tworzenia, przyswajania, przekazywania i wdrażania wiedzy stają się – dzięki czterem przenikającym się tzw. filarom wiedzy (tj. bodźcom ekonomiczno-instytucjonalnym, kapitałowi ludzkiemu, infrastruk- turze informacyjnej i systemowi innowacji) – główną siłą napędową rozwoju społeczno-ekonomicznego kraju oraz podstawą wzrostu gospodarczego, długo- trwałej konkurencyjności i zatrudnienia wzdłuż wszystkich przemysłów [Her- man, 2003, s. 141; Kukliński, 2003, s. 8-10; Poskrobko, 2011, s. 42-43; Przy-
godzki, 2011, s. 31]. Wymieniony tu jako drugi z filarów GOW kapitał ludzki, rozumiany jest jako zasoby wszystkich cech psychofizycznych człowieka – wrodzonych lub nabytych w trakcie edukacji formalnej i nieformalnej oraz w drodze doświadczenia i adaptacji środowiskowej – o określonej wartości, które mogą być odnawiane i powiększane za pomocą inwestycji w jednostkę ludzką i które są lub będą w przyszłości źródłem jej dochodu bądź satysfakcji, a które są nierozerwalnie związane z człowiekiem jako właścicielem tychże zasobów [Domański, 1993, s. 19; Grodzicki, 2003, s. 50; Florczak, 2007, s. 112;
Walukiewicz, 2010, s. 25]. Nośnikiem tak zdefiniowanego kapitału są dobrze wyedukowani, wysoce wykwalifikowani i twórczy ludzie, charakteryzujący się ogólną zręcznością intelektualną oraz dużymi zasobami wiedzy (zarówno tej teoretycznej, jak i stosowanej), prezentujący szerokie zdolności w zakresie two- rzenia wiedzy nowej czy też praktycznego wykorzystywania tej już istniejącej, otoczeni wysokiej jakości opieką zdrowotną, jak również posiadający właściwie dostosowane do bieżących wymogów rynku pracy wykształcenie, kwalifikacje, doświadczenie zawodowe i kompetencje w zakresie posługiwania się nowocze- snymi technologiami ICT [Laroche, Merette, Ruggeri, 1999, s. 88; Madrak- -Grochowska, 2010, s. 41; Balcerzak, 2011a, s. 16].
Tak rozumiany kapitał ludzki wydaje się w ostatnich dziesięcioleciach przesądzać o sile gospodarek (zwłaszcza typu GOW) oraz ich pozycji na arenie międzynarodowej i z tego też powodu stał się przedmiotem rozważań w niniej- szym artykule. Jego celem jest dokonanie zwięzłej prezentacji i analizy kapitału ludzkiego zakumulowanego w 29 GOW oraz próba skonstruowania (na podsta- wie metod taksonomicznych) syntetycznej miary służącej do oceny stopnia roz- woju tego kapitału w latach 1995-2010. Ponadto, intencją autorki jest wykorzy- stanie uzyskanego miernika do budowy czterech rankingów stopnia rozwoju kapitału ludzkiego dla lat 1995, 2000, 2005 i 2010 oraz do dokonania porównań przestrzenno-czasowych w zakresie analizowanego zjawiska złożonego.
1. Pomiar stopnia rozwoju kapitału ludzkiego
Po krótkim teoretycznym scharakteryzowaniu i zdefiniowaniu w poprzednim paragrafie kapitału ludzkiego jako filara GOW, przystąpiono do empirycznej jego analizy. Jej celem była próba kwantyfikacji czynników determinujących stopień rozwoju kapitału ludzkiego zakumulowanego w GOW oraz konstrukcja (na pod- stawie metod taksonomicznych) syntetycznej miary stopnia rozwoju tego kapitału w latach 1995-2010. Niniejszym badaniem objęto 29 krajów, które zgodnie z na- pisaną przez autorkę dysertacją doktorską [Madrak-Grochowska, 2013] można
uznać za znajdujące się w fazie zalążkowej lub za nisko, średnio i wysoko za- awansowane GOW1. Oznacza to, iż w pracy poddano analizie kapitał ludzki takich państw, jak: Australia, Austria, Belgia, Czechy, Dania, Estonia, Finlandia, Francja, Grecja, Hiszpania, Holandia, Irlandia, Izrael, Japonia, Kanada, Korea Południowa, Niemcy, Norwegia, Nowa Zelandia, Polska, Portugalia, Słowacja, Słowenia, Szwajcaria, Szwecja, USA, Węgry, Wielka Brytania i Włochy.
Pierwszy etap takiego badania polegał na doborze potencjalnych zmiennych diagnostycznych, tj. na specyfikacji cech, które zgodnie z analizą teoretyczną oraz kryteriami merytoryczno-formalnymi uznano wstępnie za istotne determi- nanty kapitału ludzkiego [Balcerzak, 2011b, s. 457; Madrak-Grochowska, 2015, s. 145]. Wśród nich znalazły się 34 zmienne2, reprezentujące pięć obszarów kapitału ludzkiego (tj. edukację, zdrowie, naukę, rynek pracy oraz wysokie tech- nologie), przedstawione w tab. 1.
Tabela 1. Potencjalne zmienne diagnostyczne wytypowane do pomiaru stopnia rozwoju kapitału ludzkiego zakumulowanego w GOW w latach 1995-2010
Symbol poten- cjalnej zmiennej
diagnostycznej
Nazwa potencjalnej zmiennej diagnostycznej (jednostka/skala)
1 2 Obszar I – Edukacja
X1 Przeciętna liczba lat nauki dla osób w wieku 25 lat i starszych (lata)
X2 Oczekiwana liczba lat nauki dla dzieci rozpoczynających edukację szkolną (lata) X3 Skolaryzacja brutto dla wychowania przedszkolnego (%)
X4 Skolaryzacja brutto dla szkół podstawowych (%) X5 Skolaryzacja brutto dla szkół średnich (%) X6 Skolaryzacja brutto dla studiów wyższych (%)
X7 Udział osób bez wykształcenia w grupie osób w wieku 15 lat i starszych (%)
X8 Udział osób z wykształceniem podstawowym w grupie osób w wieku 15 lat i starszych (%) X9 Udział osób z wykształceniem średnim w grupie osób w wieku 15 lat i starszych (%) X10 Udział osób z wykształceniem wyższym w grupie osób w wieku 15 lat i starszych (%) X11 Wydatki publiczne na edukację jednego ucznia jako procent PKB per capita (%)
1 Ze wspomnianą dysertacją doktorską można zapoznać się w Bibliotece Głównej Uniwersytetu Mikołaja Kopernika w Toruniu.
2 Źródłami danych statystycznych dla wyspecyfikowanych potencjalnych zmiennych diagnostycznych były następujące bazy: UNDP International Human Development Indicators, World Development Indicators & Global Development Finance, Barro-Lee Educational Attain- ment Dataset, UNESCO Institute for Statistics, OECD.Stat, Baza Laborsta Internet, NationMas- ter.com oraz Custom Scorecards KAM 2012.
cd. tabeli 1
1 2 Obszar II – Zdrowie
X12 Oczekiwana długość życia w momencie narodzin (lata)
X13 Współczynnik urodzeń w przeliczeniu na tysiąc mieszkańców (liczba) X14 Współczynnik zgonów w przeliczeniu na tysiąc mieszkańców (liczba)
X15 Współczynnik umieralności niemowląt w przeliczeniu na tysiąc żywych urodzeń (liczba) X16 Wydatki ogółem na zdrowie per capita (USD)
Obszar III – Nauka
X17 Liczba badaczy zaangażowanych w działalność typu B+R w przeliczeniu na milion miesz- kańców (liczba)
X18 Liczba publikacji naukowych (z zakresu nauk ścisłych, przyrodniczych i technicznych) w przeliczeniu na milion mieszkańców (liczba)
X19 Liczba patentów w przeliczeniu na milion mieszkańców (liczba) X20 Wydatki ogółem na działalność typu B+R jako procent PKB (%)
Obszar IV – Rynek pracy X21 Stopa zatrudnienia (%)
X22 Udział osób zatrudnionych w przemyśle w ogóle zatrudnionych (%) X23 Udział osób zatrudnionych w usługach w ogóle zatrudnionych (%) X24 Udział specjalistów w ogóle siły roboczej (%)
X25 Udział osób z wykształceniem podstawowym w ogóle siły roboczej (%) X26 Udział osób z wykształceniem średnim w ogóle siły roboczej (%) X27 Udział osób z wykształceniem wyższym w ogóle siły roboczej (%) X28 Stopa bezrobocia (%)
X29 Udział bezrobotnych z wykształceniem podstawowym w ogóle bezrobotnych (%) X30 Udział bezrobotnych z wykształceniem średnim w ogóle bezrobotnych (%) X31 Udział bezrobotnych z wykształceniem wyższym w ogóle bezrobotnych (%) X32 Udział długotrwale bezrobotnych w ogóle bezrobotnych (%)
Obszar V – Wysokie technologie
X33 Liczba użytkowników Internetu w przeliczeniu na stu mieszkańców (liczba) X34 Liczba komputerów w przeliczeniu na tysiąc mieszkańców (liczba)
Wyspecyfikowany w tab. 1 zbiór potencjalnych cech diagnostycznych podda- no ocenie ze względu na kryteria wartości informacyjnej zmiennych. Pierwszym z nich był postulat wysokiej zmienności przestrzennej, przy czym za podstawę eliminacji cechy Xj z dalszych analiz przyjęto wartość współczynnika zmienności nieprzekraczającą granicznego poziomu 15%. Zgodnie z obraną wartością progo- wą, za zmienne quasi-stałe uznano cechy X1, X2, X4, X5, X12, X21 oraz X23 i wyłą- czono je z dalszych analiz. Następnie, spośród pozostających w badaniu 27 zmiennych wybrano ich reprezentantki, posiłkując się przy tym parametryczną metodą Hellwiga [Hellwig, 1981, s. 46-68] z arbitralnie ustalonym progowym poziomem współczynnika korelacji r* równym 0,8. Zgodnie z podstawowym
kryterium tej metody, do zbioru finalnych zmiennych zakwalifikowano cechy X3, X6, X7, X8, X9, X10, X11, X13, X14, X15, X16, X17, X18, X19, X22, X24, X25, X26, X27, X28, X32, X33 oraz X34, które w każdym lub w większości analizowanych okresów zosta- ły zdiagnozowane jako zmienne centralne bądź izolowane.
W kolejnym kroku przystąpiono do procedury normowania finalnych zmien- nych diagnostycznych przy użyciu metody unitaryzacji zerowanej, która spełnia wszystkie postulaty stawiane procedurom normowania cech [Kukuła, 2000, s. 81]. Pamiętano przy tym, by dla zmiennych X7, X8, X14, X15, X25, X28 i X32 oraz dla cechy X22 – pełniących w niniejszym badaniu odpowiednio rolę destymulant oraz nominanty z zalecanym przedziałem wartości [20; 30] – zasto- sować właściwe przekształcenia. W rezultacie otrzymano cechy o wartościach z przedziału [0; 1], z których wszystkie miały już charakter stymulant.
Unormowane zmienne diagnostyczne poddano następnie procedurze waże- nia, przyjmując przy tym, iż każdy z pięciu obszarów charakteryzujących różne aspekty kapitału ludzkiego jest tak samo istotny dla procesu jego pełnowarto- ściowego rozwoju oraz podkreślając, że tylko równomierne i systematyczne wzmacnianie wszystkich pięciu sfer kapitału ludzkiego może przynieść efekt synergii. Z tego też powodu każdemu obszarowi kapitału ludzkiego przyznano w ramach prowadzonego badania taksonomicznego równy, tj. 20-procentowy udział przy konstrukcji syntetycznego miernika stopnia rozwoju kapitału ludz- kiego, a każdej z cech – ale tylko w odniesieniu do danej sfery – nadano ten sam status ważności.
Ostatnim zadaniem, jakie wykonano w procesie konstruowania syntetyczne- go miernika stopnia rozwoju kapitału ludzkiego, było wykorzystanie odpowied- niej funkcji agregacyjnej addytywnej (której postać została silnie zdeterminowa- na przez przyjęty w poprzednim kroku system wag), o wzorze:
gdzie:
SRKLi – syntetyczna miara stopnia rozwoju kapitału ludzkiego zakumulowanego w i-tej GOW (i = 1, 2, … , 29);
zij – wartość unormowanej zmiennej Xj dla i-tej GOW (i = 1, 2, … , 29);
ωj – waga przypisana unormowanej zmiennej Xj, przy czym dla j = 3, 6, 7, 8, 9, 10, 11 ωj = 1/35; dla j = 13, 14, 15, 16 ωj = 1/20; dla j = 17, 18, 19 ωj = 1/15;
dla j = 22, 24, 25, 26, 27, 28, 32 ωj = 1/35; a dla j = 33, 34 ωj = 1/10.
Powyższą formułę agregacyjną zastosowano do wyznaczenia syntetycznych mierników stopnia rozwoju kapitału ludzkiego SRKLi dla wszystkich 29 krajów objętych analizą we wszystkich czterech okresach badawczych, a wyniki tych obliczeń – wraz z opracowanymi na ich podstawie rankingami (w których pozy- cja danego państwa jest tym wyższa, im bliższy jedności jest miernik SRKLi) – zaprezentowano w tab. 2.
Tabela 2. Rankingi GOW pod względem stopnia rozwoju zakumulowanego w nich kapitału ludzkiego w latach 1995-2010
1995 r. 2000 r. 2005 r. 2010 r.
Lp Kraj SRKLi Lp Kraj SRKLi Lp Kraj SRKLi Lp Kraj SRKLi
1 USA 0,7125 1 Szwajcaria 0,6909 1 Szwecja 0,7459 1 Szwecja 0,7130 2 Finlandia 0,6484 2 Szwecja 0,6803 2 Norwegia 0,6869 2 Norwegia 0,6925 3 Szwajcaria 0,6472 3 USA 0,6779 3 Szwajcaria 0,6610 3 Finlandia 0,6588 4 Szwecja 0,6450 4 Australia 0,6157 4 Dania 0,6557 4 Szwajcaria 0,6554 5 Norwegia 0,6274 5 Kanada 0,6134 5 USA 0,6438 5 Dania 0,6188 6 Kanada 0,5891 6 Norwegia 0,6104 6 Finlandia 0,6278 6 Holandia 0,6025 7 Australia 0,5888 7 Dania 0,6022 7 Kanada 0,6030 7 Kanada 0,6019 8 Izrael 0,5776 8 Finlandia 0,5884 8 Australia 0,5911 8 Australia 0,5721 9 Dania 0,5665 9 Japonia 0,5877 9 Holandia 0,5848 9 USA 0,5705 10 Holandia 0,5600 10 Holandia 0,5857 10 Japonia 0,5822 10 Japonia 0,5642 11 Nowa
Zelandia 0,5429 11 Izrael 0,5808 11 Izrael 0,5822 11 Korea
Południowa 0,5450 12 Japonia 0,5277 12 Nowa
Zelandia 0,5772 12 Nowa
Zelandia 0,5525 12 Nowa
Zelandia 0,5438 13 Niemcy 0,4642 13 Korea
Południowa 0,5131 13 Korea
Południowa 0,5364 13 Izrael 0,5436 14 Francja 0,4617 14 Austria 0,4962 14 Austria 0,5275 14 Niemcy 0,5372 15 Austria 0,4517 15 Niemcy 0,4881 15 Wielka
Brytania 0,5236 15 Francja 0,5313 16 Belgia 0,4435 16 Belgia 0,4681 16 Niemcy 0,5222 16 Austria 0,5313 17 Wielka
Brytania 0,4212 17 Francja 0,4641 17 Belgia 0,4997 17 Belgia 0,5238 18 Korea
Południowa 0,3972 18 Wielka
Brytania 0,4638 18 Francja 0,4968 18 Wielka
Brytania 0,5213 19 Irlandia 0,3881 19 Irlandia 0,4141 19 Irlandia 0,4662 19 Irlandia 0,5021 20 Słowenia 0,3558 20 Słowenia 0,3774 20 Słowenia 0,4332 20 Słowenia 0,4893 21 Czechy 0,2956 21 Włochy 0,3262 21 Estonia 0,3990 21 Czechy 0,4102 22 Włochy 0,2894 22 Estonia 0,3230 22 Hiszpania 0,3730 22 Estonia 0,3992 23 Estonia 0,2827 23 Hiszpania 0,3025 23 Włochy 0,3525 23 Hiszpania 0,3794 24 Słowacja 0,2627 24 Czechy 0,2661 24 Czechy 0,3470 24 Włochy 0,3663 25 Węgry 0,2421 25 Węgry 0,2418 25 Węgry 0,2961 25 Słowacja 0,3399 26 Polska 0,2361 26 Polska 0,2251 26 Słowacja 0,2755 26 Węgry 0,3135 27 Hiszpania 0,2278 27 Grecja 0,2178 27 Grecja 0,2687 27 Polska 0,3073 28 Grecja 0,2188 28 Słowacja 0,2150 28 Polska 0,2625 28 Grecja 0,2668 29 Portugalia 0,1843 29 Portugalia 0,1928 29 Portugalia 0,2123 29 Portugalia 0,2347 Źródło: Obliczenia własne na podstawie danych statystycznych zgromadzonych z baz danych
wskazanych w przypisie 2.
2. Analiza stopnia rozwoju kapitału ludzkiego
Analizując poszczególne rankingi zaprezentowane w tab. 2, można zauwa- żyć, iż w każdym z okresów badawczych najwyższym stopniem rozwoju kapita- łu ludzkiego charakteryzowały się takie kraje, jak Szwecja, Szwajcaria, Norwe- gia, USA, Finlandia, Dania czy Kanada, tj. gospodarki, które powszechnie uznaje się za najbardziej zaawansowane GOW. Z kolei najniżej rozwiniętym kapitałem ludzkim odznaczały się zazwyczaj Portugalia, Grecja, Polska, Słowa- cja i Węgry, czyli kraje reprezentujące zaledwie zalążkową fazę GOW. Można stąd wysnuć wniosek, że prędkość ewolucji gospodarek w kierunku GOW i osią- gane przez nie stadia zaawansowania GOW były w latach 1995-2010 bardzo silnie zdeterminowane przez stopnień rozwoju kapitału ludzkiego zakumulowa- nego w rozważanych krajach, potwierdzając tym samym, że kapitał ludzki jest jednym z głównych czynników przewagi konkurencyjnej oraz kluczową siłą napędową rozwoju społeczno-ekonomicznego, a niski jego poziom może być poważnym hamulcem dla tego rozwoju.
Wzbogacając powyższe wnioski o analizę wybranych charakterystyk opi- sowych syntetycznego miernika SRKLi przedstawionych w tab. 3 oraz rozważa- jąc dane zawarte na poniższym wykresie pudełkowym, można stwierdzić, iż w latach 1995-2010 średni poziom rozwoju kapitału ludzkiego zakumulowanego w analizowanych GOW systematycznie rósł. Ten optymistyczny wniosek po- twierdzają wszystkie miary tendencji centralnej, tj. średnia arytmetyczna, me- diana oraz kwatyle pierwszy i trzeci (za wyjątkiem roku 2010), które z okresu na okres przyjmowały coraz to wyższe wartości. Co więcej, widać wyraźnie, iż w ciągu całego okresu badawczego wartość syntetycznego miernika SRKLi osią- gana przez najniżej sklasyfikowaną w rankingu GOW istotnie wzrosła, wzmac- niając tym samym wniosek o występowaniu trendu zwyżkowego.
Tabela 3. Charakterystyki opisowe dla syntetycznego miernika SRKLi w latach 1995-2010
Charakterystyki opisowe
dla syntetycznego miernika SRKLi 1995 r. 2000 r. 2005 r. 2010 r.
1 2 3 4 5
Średnia arytmetyczna 0,4433 0,4623 0,4934 0,5012
Mediana 0,4517 0,4881 0,5236 0,5313
Kwartyl pierwszy 0,2894 0,3230 0,3730 0,3992
Kwartyl trzeci 0,5776 0,5884 0,5911 0,5721
Minimum 0,1843 0,1928 0,2123 0,2347
Maksimum 0,7125 0,6909 0,7459 0,7130
Rozstęp 0,5282 0,4981 0,5337 0,4783
cd. tabeli 3
1 2 3 4 5
Odchylenie standardowe 0,1584 0,1606 0,1450 0,1288
Współczynnik zmienności 35,73% 34,75% 29,38% 25,69%
Współczynnik asymetrii –0,0772 –0,3019 –0,3364 –0,4353 Źródło: Obliczenia własne na podstawie danych zawartych w tab. 2.
Rys. 1. Charakterystyki opisowe dla syntetycznego miernika SRKLi w latach 1995-2010 Źródło: Na podstawie danych zawartych w tab. 3.
Analizując kolejne statystyki opisowe z tab. 3 (tj. wielkość rozstępu, odchy- lenia standardowego i współczynnika zmienności), można dodatkowo zauważyć, iż w rozważanych 15 latach w znacznym stopniu obniżył się zakres zmienności wartości syntetycznego miernika SRKLi. Oznacza to, że analizowane GOW wy- kazują coraz mniejsze zróżnicowanie pod względem stopnia rozwoju zakumu- lowanego w nich kapitału ludzkiego i, że następuje między nimi bardzo pożąda- ny proces konwergencji.
W tym miejscu warto jeszcze zwrócić uwagę na ostatni wiersz tab. 3, tj. na współczynniki asymetrii syntetycznego miernika SRKLi, oszacowane dla po-
szczególnych okresów badawczych. Na ich podstawie widać wyraźnie, iż w roku 1995 rozkład analizowanej zbiorowości był niemal symetryczny, po czym w kolejnych rozważanych latach zaczął wykazywać umiarkowaną, lecz coraz silniejszą asymetrię lewostronną. Zjawisko to – podobnie jak rosnący średni poziom rozwoju kapitału ludzkiego zakumulowanego w GOW i jego malejącą dyspersję – należy uznać za pozytywne, gdyż wskazuje ono na fakt, iż przeważająca liczba badanych krajów charakteryzuje się wyższymi od średniej arytmetycznej wartościami syntetycznego miernika SRKLi.
Podsumowanie
Przeprowadzona w niniejszym artykule analiza teoretyczno-empiryczna wskazuje na fakt, iż proces budowy kapitału ludzkiego w roli solidnego filara GOW jest procesem skomplikowanym, długotrwałym i trudnym do zrealizowa- nia zarówno z punktu widzenia wdrażania, jak i finansowania działań mających charakter inwestowania w ten kapitał, a związanych w szczególności z takimi obszarami, jak edukacja, opieka zdrowotna, nauka, rynek pracy i wysokie tech- nologie. Z drugiej strony, przedstawione w pracy badania wydają się dowodzić, iż trud włożony w tworzenie i wzmacnianie kapitału ludzkiego w ramach GOW przekłada się w długim okresie na wymierne korzyści, związane m.in. z wyso- kim rozwojem społeczno-ekonomicznym, przewagą konkurencyjną i dominacją na arenie międzynarodowej. Dobrym przykładem na potwierdzenie tej tezy mo- gą być takie państwa, jak Szwecja, Szwajcaria, Norwegia, USA, Finlandia, Da- nia czy Kanada, które powszechnie uznawane są za najbardziej zaawansowane GOW, a które w przeprowadzonym w artykule badaniu taksonomicznym odzna- czały się najwyższymi wskaźnikami stopnia rozwoju kapitału ludzkiego. Z trze- ciej jeszcze strony, można powiedzieć, że właściwie nie ma innej drogi dla GOW, jak tylko ciągły wzrost jakości zakumulowanego w nich kapitału ludz- kiego. Regułę tę zdają się wyznawać rozważane w pracy gospodarki, które w latach 1995-2010 charakteryzowały się systematycznie rosnącym średnim poziomem stopnia rozwoju kapitału ludzkiego (przy czym najwyższe wartości mierników osiągały wysoko zaawansowane GOW), malejącym zakresem jego zmienności oraz coraz silniejszą asymetrią lewostronną, co należy uznać za zja- wiska pożądane.
Literatura
Balcerzak A.P. (2011a), Quality of Human Capital as a Competitiveness Driver of Economy. Multidimensional Analysis for European Union Countries, Vadībzinātne.
Ekonomika. Rakstu krājums, II, Banku augstskola, Rīga.
Balcerzak A.P. (2011b), Taksonomiczna analiza jakości kapitału ludzkiego w Unii Eu- ropejskiej w latach 2002-2008, „Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu”, nr 176.
Domański R. (1993), Kapitał ludzki i wzrost gospodarczy, Wydawnictwo Naukowe PWN, Warszawa.
Florczak W. (2007), Kapitał ludzki a rozwój gospodarczy [w:] W. Welfe (red.), Gospo- darka oparta na wiedzy, PWE, Warszawa.
Grodzicki J. (2003), Rola kapitału ludzkiego w rozwoju gospodarki globalnej, Wydaw- nictwo Uniwersytetu Gdańskiego, Gdańsk.
Hellwig Z. (1981), Wielowymiarowa analiza porównawcza i jej zastosowanie w bada- niach wielocechowych obiektów gospodarczych [w:] W. Welfe (red.), Metody i modele ekonomiczno-matematyczne w doskonaleniu zarządzania gospodarką so- cjalistyczną, PWE, Warszawa.
Herman A. (2003), Zarządzanie wartością przedsiębiorstwa w gospodarce opartej na wiedzy [w:] I.K. Hejduk (red.), Przedsiębiorstwo przyszłości – nowe paradygmaty zarządzania europejskiego, Wydawnictwo Instytutu Organizacji i Zarządzania w Przemyśle ORGMASZ, Warszawa.
Kukliński A. (2003), O nowym modelu polityki regionalnej, „Studia Regionalne i Lokal- ne”, nr 4 (14).
Kukuła K. (2000), Metoda unitaryzacji zerowanej, Wydawnictwo Naukowe PWN, Warszawa.
Laroche M., Merette M., Ruggeri G.C. (1999), On the Concept and Dimensions of Hu- man Capital in a Knowledge Based Economy Context, „Canadian Public Policy”, Vol. XXV, No. 1.
Madrak-Grochowska M. (2010), Filary polskiej gospodarki opartej na wiedzy [w:]
A.P. Balcerzak, E. Rogalska (red.), Stymulowanie innowacyjności i konkurencyjno- ści przedsiębiorstwa w otoczeniu globalnej gospodarki wiedzy, Wydawnictwo Na- ukowe Uniwersytetu Mikołaja Kopernika, Toruń.
Madrak-Grochowska M. (2013), Kapitał ludzki a rozwój społeczno-ekonomiczny gospo- darek opartych na wiedzy, Praca doktorska, Wydział Nauk Ekonomicznych i Za- rządzania, Uniwersytet Mikołaja Kopernika, Toruń.
Madrak-Grochowska M. (2015), Wpływ kapitału ludzkiego na rozwój społeczno- ekonomiczny gospodarek opartych na wiedzy w latach 2000-2010 [w:] E. Kwiat- kowski, B. Liberda (red.), Determinanty rozwoju Polski: rynek pracy i demografia, PTE, Warszawa.
Poskrobko B. (2011), Wiedza i gospodarka oparta na wiedzy [w:] B. Poskrobko (red.), Gospodarka oparta na wiedzy. Materiały do studiowania, Wyższa Szkoła Ekono- miczna w Białymstoku, Białystok.
Przygodzki Z. (2011), Region wiedzy – wiedza i kapitał ludzki a rozwój regionu [w:]
A. Nowakowska, Z. Przygodzki, M.E. Sokołowicz, Region w gospodarce opartej na wiedzy. Kapitał ludzki – Innowacje – Korporacje transnarodowe, Difin, Warszawa.
Walukiewicz S. (2010), Kapitał ludzki. Skrypt akademicki, Instytut Badań Systemowych PAN, Warszawa.
THE HUMAN CAPITAL OF KNOWLEDGE-BASED ECONOMIES (KBE) IN THE YEARS 1995-2010
Summary: The objective of this article is to make a presentation and analysis of the human capital as one of the four pillars of the KBE. It also attempts to construct (based on taxonomic methods and applying 34 variables) a synthetic measure for assessing the degree of the development of human capital in 29 KBEs in the time period 1995-2010.
The work structure is subordinated to the so defined objective and comprises the intro- duction, measurement and analysis of the level of the development of human capital and its various components in analysed KBEs in the years 1995-2010, and summary.
Keywords: human capital, knowledge-based economy, taxonomic methods.
